NoSQL简介
目录
什么是NoSQL
NoSQL，指的是非关系型的数据库 “non-relational”。NoSQL有时也称作Not Only SQL的缩写，是对不同于传统的关系型数据库的数据库管理系统的统称。区别于关系数据库，它们不保证关系数据的 ACID 特性。
NoSQL用于超大规模数据的存储。（例如谷歌或Facebook每天为他们的用户收集万亿比特的数据）。这些类型的数据存储不需要固定的模式，无需多余操作就可以横向扩展。
RDBMS VS NoSQL
在现代的计算系统上每天网络上都会产生庞大的数据量。
这些数据有很大一部分是由关系数据库管理系统（RDBMS）来处理。 1970年 E.F.Codd's提出的关系模型的论文 "A relational model of data for large shared data banks"，这使得数据建模和应用程序编程更加简单。
RDBMS（关系型数据库）与NoSQL（非关系型数据库）的区别：
1.RDBMS：结构化组成，以行列的形式存储；使用固定的sql语言进行查询；有事务ACID特征；大量数据的读写效率比较低；数据结构的可扩展性差。
2.NoSQL:多种形式存储，文档，键值对等；没有固定的查询语言；只需要保证最终的一致性；大量数据读写效率较高；容易进行水平的扩展。
为什么使用NoSQL ?
在 90 年代，一个网站的访问量一般都不大，用单个数据库完全可以轻松应付。在那个时候，更多的都是 静态网页，动态交互类型的网站不多。
到了最近 10 年，网站开始快速发展。火爆的论坛、博客、 sns 、微博逐渐引领 web 领域的潮流。在初 期，论坛的流 量其实也不大，如果你接触网络比较早，你可能还记得那个时候还有文本型存储的论坛程 序，可以想象一般的论坛 的流量有多大。
对数据库高并发读写的需求
web2.0网站要根据用户个性化信息来实时生成动态页面和提供动态信息，所以基本上无法使用动态页面静态化技术，因此数据库并发负载非常高，往往要达到每秒上万次读写请求。关系数据库应付上万次SQL查询还勉强顶得住，但是应付上万次SQL写数据请求，硬盘IO就已经无法承受了。
对海量数据的高效率存储和访问的需求
类似Facebook，twitter，Friendfeed这样的SNS网站，每天用户产生海量的用户动态，以Friendfeed为例，一个月就达到了2.5亿条用户动态，对于关系数据库来说，在一张2.5亿条记录的表里面进行SQL查询，效率是极其低下乃至不可忍受的。再例如大型web网站的用户登录系统，例如腾讯，盛大，动辄数以亿计的帐号，关系数据库也很难应付。
对数据库的高可扩展性和高可用性的需求
在基于web的架构当中，数据库是最难进行横向扩展的，当一个应用系统的用户量和访问量与日俱增的时候，你的数据库却没有办法像web server和app server那样简单的通过添加更多的硬件和服务节点来扩展性能和负载能力。对于很多需要提供24小时不间断服务的网站来说，对数据库系统进行升级和扩展是非常痛苦的事情，往往需要停机维护和数据迁移 ———————————————— 版权声明：本文为CSDN博主「囿于之间」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/weixin_43637366/article/details/113105005 原文链接：https://blog.csdn.net/qinluyu111/article/details/123698054
常见NoSQL数据库
KV存储数据库
典型代表 BerkeleyDB、MemcacheDB、Redis
特征 可以通过key快速查询到value。一般来说，存储不需要考虑value的格式。
-v形式的：memcached、redis适合储存用户信息，比如会话、配置文件、参数、购物车等等。这些信息一般都和ID(键)挂钩，这种情景下键值数据库是个很好的选择。
文档存储数据库
典型代表 MongoDB、CouchDB
特征 文档数据库一般用类似json的格式存储，存储的内容是文档型的。这样也就有机会对某些字段建立索引，实现关系数据库的某些功能。
列存储数据库
典型代表 Hbase、Cassandra、Hypertable 特征 按列存储数据，最大的特点是方便存储结构化和半结构化数据，方便做数据压缩，对针对某一列或者某几列的查询有着极大的IO优势。
图关系数据库
典型代表 Neo4J、FlockDB 特征 图形关系的最佳存储，使用传统关系数据库来解决的话性能低下，而且设计及其不方便。 区别 ———————————————— 版权声明：本文为CSDN博主「囿于之间」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/weixin_43637366/article/details/113105005
